가장 높은 층의 컬러 맵을 획득하기

기능 설명

이 프로시저의 주요 기능은 뎁스 맵을 통해 가장 높은 층의 영역을 찾은 다음 해당 영역의 컬러 맵과 마스크를 찾는 것입니다. 그 구성은 아래 그림과 같습니다.

calc color for highest layer calc color for highest layer

응용 시나리오

이 프로시저에서 추출한 후의 가장 높은 층의 컬러 맵은 후속 딥러닝 처리에 사용됩니다.

처리 프로세스 및 파라미터 조정

이 프로시저의 처리 프로세스는 아래 그림과 같습니다.

calc color for highest layer calc color for highest layer frame

가장 높은 층의 마스크를 획득하기

  1. 관련 없는 포인트 클라우드를 제거하고 후속 스텝의 처리 효율성을 향상시키기 위해 필요한 뎁스 맵 영역만 보류하고 원본 뎁스 맵에서 ROI를 선택해야 합니다.

    더블 클릭하여 해당 프로시저로 들어간 후 뎁스 맵 3D ROI 외의 구역을 무효로 설정하기 스텝 파라미터에서 3D ROI 설정하기 버튼을 클릭하여 팝업 창 “목표 영역 설정”에서 3D ROI 프레임 선택을 진행합니다.

    아래 이미지는 3D ROI를 선택하기 전과 후의 포인트 클라우드입니다. 왼쪽 이미지는 입력한 원시 뎁스 맵인데 불필요한 포인트 클라우드가 많이 포함되어 있고, 오른쪽 이미지는 ROI를 선택하고 ROI 외부의 포인트 클라우드를 제거한 후의 뎁스 맵입니다.

    calc color for highest layer invalidate depth pixels outside 3d roi
  2. 뎁스 맵을 분할하기 스텝을 진행하여 뎁스 맵을 부동한 깊이에 따라 여러개의 영역으로 분할하여 마스크를 형성할 수 있습니다.

    뎁스 맵을 분할하기 스텝 파라미터에서 일단 2D ROI 설정하기 버턴을 클릭하여 팝업 창 “목표 영역 설정”에서 2D ROI 선택을 진행합니다.

    다음 인접한 픽셀 간의 최대값 차이를 설정하여 인접한 두 픽셀이 동일한 영역에 속하는지 여부를 판단하고 물체 최소 면적을 설정하여 유효한 분할 영역을 판단합니다.

    아래 그림과 같이 왼쪽 그림은 분할 전의 뎁스 맵이고 오른쪽 그림은 분할 후의 뎁스 맵입니다.

    calc color for highest layer segment depth image
  3. 뎁스 맵 중에 가장 높은 구역을 획득하기 이전 스텝의 마스크 및 뎁스 정보에 따라 적절한 층 높이를 설정한 후 다음 그림과 같이 뎁스 맵에서 제일 높은 마스크 영역을 찾습니다. 이 영역은 한 개일 수도 있고 여러 개일 수도 있습니다.

    calc color for highest layer get highest area in depth image

형태학적 변환

  1. 이전 스텝의 여러 개의 가장 높은 층 마스크에 대해서는 마스크 이미지를 합치기 스텝을 통해 병합시켜 가장 높은 층 마스크에 대해 형태학 변환을 진행할 수 있습니다. 병합 후의 가장 높은 층 마스크는 다음 그림과 같습니다.

    calc color for highest layer merge mask images
  2. 마스크의 영역을 적절하게 확장하기 위해서는 마스크에 대해 이미지 형태학적 변환을 수행하고 마스크에 팽창 (형태학적 처리 유형은 DilateOperator) 이미지 형태학적 처리를 수행하여 후속 더 나은 인식 또는 피킹을 용이하게 합니다.

    calc color for highest layer morphological transformations

마스크와 대응하는 컬러 맵을 획득하기

  1. 컬러 맵 및 처리된 마스크를 사용하여 마스크안에 대응하는 포인트 클라우드를 추출한 후 다음 그림과 같이 마스크에 해당하는 컬러 맵을 획득합니다.

    calc color for highest layer apply masks to image
  2. 아래 그림과 같이 데이터 압축 풀기 스텝을 사용하여 마스크 이미지 리스트의 첫 번째 인덱스에 해당하는 컬러 맵을 가져옵니다.

    calc color for highest layer unpack data

저희는 귀하의 개인 정보를 소중하게 생각합니다.

당사 웹사이트는 귀하에게 최상의 경험을 제공하기 위해 쿠키를 사용합니다. "모두 수락"을 클릭하시는 경우, 귀하는 사의 쿠키 사용에 동의하게 됩니다. "모두 거부"를 클릭하시는 경우, 귀하가 이 웹사이트를 방문할 때 추적되거나 기억되지 않도록 하기 위해 단일 쿠키가 사용됩니다.